NetworkX:部分失败的邻接矩阵 graphs/networks
NetworkX: Adjacency Matrix of partially failed graphs/networks
回想一下,如果两个节点相连,邻接矩阵给我们 1
,否则 0
,我想为一个包含所有节点 active
的正则图计算一个矩阵,和一个 用于同一个图 ,其中一些节点具有 failed
.
让我们考虑一个 2x2
节点的格子网络。它的邻接矩阵(A)是:
0 1 1 0
1 0 0 1
1 0 0 1
0 1 1 0
导致此图表:
现在,让我们删除节点 0
:
G.remove_node(0)
这是新的邻接矩阵 (A1) 的样子:
0 0 1
0 0 1
1 1 0
返回此图表:
现在,这两个矩阵的大小明显不同。
我的问题:如何确保 Matrix A1 与 Matrix A[= 的大小相同58=]?也就是说,如果节点 0
由于失败而不会出现,我希望将 0
放置在 A1 对应0-th
行和列,这样矩阵的大小就保持不变。为了比较和计算的目的,我需要这样做。但要做到这一点,我假设我需要访问创建邻接矩阵的函数。我可以用更简单的方法来做吗?
节点 0
失败的示例:
0 0 0 0
0 0 0 1
0 0 0 1
0 1 1 0
这就是我创建 2x2
网络并生成邻接矩阵的方式:
import networkx as nx
N=2
G=nx.grid_2d_graph(N,N)
pos = dict( (n, n) for n in G.nodes() )
labels = dict( ((i,j), i + (N-1-j) * N ) for i, j in G.nodes() )
nx.relabel_nodes(G,labels,False)
inds=labels.keys()
vals=labels.values()
inds.sort()
vals.sort()
pos2=dict(zip(vals,inds))
nx.draw_networkx(G, pos=pos2, with_labels=True, node_size = 200)
A=nx.adjacency_matrix(G)
A.toarray()
#G.remove_node(i) to remove node i
尝试 G.remove_edges_from(G.edges(0))
,这将删除 0
的所有边而不是整个节点。然后生成邻接矩阵。
根据一些研究和 Joel 的建议,我想出了这个方法。我想post放在这里,让有意愿的人提出改进意见。
对于一个正规的3x3
网络,正则化得到邻接矩阵是这样的:
#Create the graph (see question above)
A=nx.adjacency_matrix(G, nodelist=range(N*N))
A=A.todense()
这会产生一个 N^2xN^2
矩阵,其中每个 row/column 对应于一个特定的节点(使用 nodelist
允许对 rows/columns 进行排序 0
到 K
其中 K
是节点总数):
[[0 1 0 1 0 0 0 0 0]
[1 0 1 0 1 0 0 0 0]
[0 1 0 0 0 1 0 0 0]
[1 0 0 0 1 0 1 0 0]
[0 1 0 1 0 1 0 1 0]
[0 0 1 0 1 0 0 0 1]
[0 0 0 1 0 0 0 1 0]
[0 0 0 0 1 0 1 0 1]
[0 0 0 0 0 1 0 1 0]]
如果节点 0
失败,我们将不得不用不存在的连接 (0
) 替换它的连接 (1
),同时保留邻接矩阵的大小。在这种情况下,行 0
和列 0
将填充为 0
。我的解决方案如下:
P=K #Total number of nodes before failures
def nodes_connected(i, j):
try:
if i in G.neighbors(j):
return 1
except nx.NetworkXError:
return False
A1=numpy.zeros((P*P,P*P))
for i in range(0,P*P,1):
for j in range(0,P*P,1):
if i not in G.nodes():
A1[i][:]=0
A1[:][i]=0
elif i in G.nodes():
A1[i][j]=nodes_connected(i,j)
A1[j][i]=A1[i][j]
for i in range(0,P*P,1):
for j in range(0,P*P,1):
if math.isnan(A1[i][j]):
A1[i][j]=0
print(A1)
这会产生以下结果:
[[ 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[ 0. 0. 1. 0. 1. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 0. 1. 0. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 1. 0. 0.]
[ 0. 1. 0. 1. 0. 1. 0. 1. 0.]
[ 0. 0. 1. 0. 1. 0. 0. 0. 1.]
[ 0. 0. 0. 1. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 1. 0. 1. 0. 1.]
[ 0. 0. 0. 0. 0. 1. 0. 1. 0.]]
矩阵 A1 现在告诉我们节点 0
没有任何连接。它还告诉我们,类似于矩阵 A,节点 1
连接到节点 2
和 4
.
如果有人要提出更正,欢迎提出。
回想一下,如果两个节点相连,邻接矩阵给我们 1
,否则 0
,我想为一个包含所有节点 active
的正则图计算一个矩阵,和一个 用于同一个图 ,其中一些节点具有 failed
.
让我们考虑一个 2x2
节点的格子网络。它的邻接矩阵(A)是:
0 1 1 0
1 0 0 1
1 0 0 1
0 1 1 0
导致此图表:
现在,让我们删除节点 0
:
G.remove_node(0)
这是新的邻接矩阵 (A1) 的样子:
0 0 1
0 0 1
1 1 0
返回此图表:
现在,这两个矩阵的大小明显不同。
我的问题:如何确保 Matrix A1 与 Matrix A[= 的大小相同58=]?也就是说,如果节点 0
由于失败而不会出现,我希望将 0
放置在 A1 对应0-th
行和列,这样矩阵的大小就保持不变。为了比较和计算的目的,我需要这样做。但要做到这一点,我假设我需要访问创建邻接矩阵的函数。我可以用更简单的方法来做吗?
节点 0
失败的示例:
0 0 0 0
0 0 0 1
0 0 0 1
0 1 1 0
这就是我创建 2x2
网络并生成邻接矩阵的方式:
import networkx as nx
N=2
G=nx.grid_2d_graph(N,N)
pos = dict( (n, n) for n in G.nodes() )
labels = dict( ((i,j), i + (N-1-j) * N ) for i, j in G.nodes() )
nx.relabel_nodes(G,labels,False)
inds=labels.keys()
vals=labels.values()
inds.sort()
vals.sort()
pos2=dict(zip(vals,inds))
nx.draw_networkx(G, pos=pos2, with_labels=True, node_size = 200)
A=nx.adjacency_matrix(G)
A.toarray()
#G.remove_node(i) to remove node i
尝试 G.remove_edges_from(G.edges(0))
,这将删除 0
的所有边而不是整个节点。然后生成邻接矩阵。
根据一些研究和 Joel 的建议,我想出了这个方法。我想post放在这里,让有意愿的人提出改进意见。
对于一个正规的3x3
网络,正则化得到邻接矩阵是这样的:
#Create the graph (see question above)
A=nx.adjacency_matrix(G, nodelist=range(N*N))
A=A.todense()
这会产生一个 N^2xN^2
矩阵,其中每个 row/column 对应于一个特定的节点(使用 nodelist
允许对 rows/columns 进行排序 0
到 K
其中 K
是节点总数):
[[0 1 0 1 0 0 0 0 0]
[1 0 1 0 1 0 0 0 0]
[0 1 0 0 0 1 0 0 0]
[1 0 0 0 1 0 1 0 0]
[0 1 0 1 0 1 0 1 0]
[0 0 1 0 1 0 0 0 1]
[0 0 0 1 0 0 0 1 0]
[0 0 0 0 1 0 1 0 1]
[0 0 0 0 0 1 0 1 0]]
如果节点 0
失败,我们将不得不用不存在的连接 (0
) 替换它的连接 (1
),同时保留邻接矩阵的大小。在这种情况下,行 0
和列 0
将填充为 0
。我的解决方案如下:
P=K #Total number of nodes before failures
def nodes_connected(i, j):
try:
if i in G.neighbors(j):
return 1
except nx.NetworkXError:
return False
A1=numpy.zeros((P*P,P*P))
for i in range(0,P*P,1):
for j in range(0,P*P,1):
if i not in G.nodes():
A1[i][:]=0
A1[:][i]=0
elif i in G.nodes():
A1[i][j]=nodes_connected(i,j)
A1[j][i]=A1[i][j]
for i in range(0,P*P,1):
for j in range(0,P*P,1):
if math.isnan(A1[i][j]):
A1[i][j]=0
print(A1)
这会产生以下结果:
[[ 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[ 0. 0. 1. 0. 1. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 0. 1. 0. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 1. 0. 0.]
[ 0. 1. 0. 1. 0. 1. 0. 1. 0.]
[ 0. 0. 1. 0. 1. 0. 0. 0. 1.]
[ 0. 0. 0. 1. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 1. 0. 1. 0. 1.]
[ 0. 0. 0. 0. 0. 1. 0. 1. 0.]]
矩阵 A1 现在告诉我们节点 0
没有任何连接。它还告诉我们,类似于矩阵 A,节点 1
连接到节点 2
和 4
.
如果有人要提出更正,欢迎提出。